2020 में एआई के लिए विशेषज्ञ भविष्यवाणियां

VentureBeat ने हाल ही में मशीन लर्निंग क्षेत्र में पांच सबसे बुद्धिमान विशेषज्ञ दिमागों का साक्षात्कार लिया और उनसे आने वाले वर्ष के दौरान एआई की दिशा के लिए अपनी भविष्यवाणियां करने के लिए कहा। जिन व्यक्तियों का साक्षात्कार उनकी भविष्यवाणियों के लिए लिया गया था, वे हैं:

• सौमिथ चिंताला, पाइथन के निर्माता。
• सेलेस्टे किड, कैलिफोर्निया विश्वविद्यालय में एआई प्रोफेसर。
• जेफ डीन, गूगल एआई के प्रमुख。
• आनिमा आनंदकुमार, न्वीडिया में मशीन लर्निंग रिसर्च डायरेक्टर。
• डारियो गिल, आईबीएम रिसर्च डायरेक्टर。

सौमिथ चिंताला

चिंताला, पाइथन के निर्माता, जो वर्तमान में सबसे लोकप्रिय मशीन लर्निंग फ्रेमवर्क है, ने भविष्यवाणी की कि 2020 में न्यूरल नेटवर्क हार्डवेयर एक्सेलरेटर और मॉडल प्रशिक्षण गति को बढ़ाने के तरीकों की अधिक आवश्यकता होगी। चिंताला ने उम्मीद की कि अगले कुछ वर्षों में जीपीयू का अनुकूल तरीके से उपयोग करने और नए हार्डवेयर के लिए संकलन को स्वचालित रूप से कैसे किया जा सकता है, इस पर अधिक ध्यान केंद्रित किया जाएगा। इसके अलावा, चिंताला ने उम्मीद की कि एआई समुदाय शुद्ध सटीकता पर कम महत्व देते हुए एआई प्रदर्शन को मापने के अन्य तरीकों को अधिक आक्रामक रूप से अपनाना शुरू कर देगा। विचार करने वाले कारकों में शामिल हैं जैसे कि एक मॉडल को प्रशिक्षित करने के लिए आवश्यक ऊर्जा की मात्रा, एआई का उपयोग कैसे समाज का निर्माण करने के लिए किया जा सकता है, और कैसे एक नेटवर्क के आउटपुट को मानव ऑपरेटरों के लिए स्पष्ट रूप से समझाया जा सकता है।

सेलेस्टे किड

सेलेस्टे किड ने अपने हाल के करियर में अल्गोरिदम, टेक प्लेटफ़ॉर्म और सामग्री अनुशंसा प्रणालियों के डिज़ाइनरों की ओर से अधिक जिम्मेदारी की वकालत की है। किड ने अक्सर तर्क दिया है कि जो प्रणालियां जुड़ाव को अधिकतम करने के लिए डिज़ाइन की जाती हैं, वे लोगों के राय और विश्वासों के निर्माण के संबंध में गंभीर प्रभाव डाल सकती हैं। एआई अल्गोरिदम और प्रणालियों के नैतिक उपयोग पर अधिक ध्यान दिया जा रहा है, और किड ने भविष्यवाणी की कि 2020 में यह जागरूकता बढ़ेगी कि कैसे टेक टूल और प्लेटफ़ॉर्म लोगों के जीवन और निर्णयों को प्रभावित कर रहे हैं, साथ ही साथ यह विचार कि टेक टूल वास्तव में डिज़ाइन में तटस्थ हो सकते हैं।

“हमें वास्तव में समाज के रूप में और विशेष रूप से उन लोगों के रूप में जो इन टूल्स पर काम कर रहे हैं, जिम्मेदारी की सराहना करने की आवश्यकता है जो इसके साथ आती है,” किड ने कहा।

जेफ डीन

जेफ डीन, गूगल एआई के वर्तमान प्रमुख, ने भविष्यवाणी की कि 2020 में मल्टीमॉडल लर्निंग और मल्टीटास्क लर्निंग में प्रगति होगी। मल्टीमॉडल लर्निंग तब होती है जब एआई को एक ही समय में कई प्रकार के मीडिया के साथ प्रशिक्षित किया जाता है, जबकि मल्टीटास्क लर्निंग एआई को एक ही समय में कई कार्यों पर प्रशिक्षित करने का प्रयास करती है। डीन ने यह भी उम्मीद की कि ट्रांसफॉर्मर पर आधारित प्राकृतिक भाषा प्रसंस्करण मॉडल, जैसे कि गूगल के बीईआरटी अल्गोरिदम और अन्य मॉडल जो जीएलयूई लीडरबोर्ड पर शीर्ष पर हैं, में आगे प्रगति होगी। डीन ने यह भी उल्लेख किया कि उन्हें देखना पसंद होगा कि सबसे उन्नत राज्य-ऑफ-द-आर्ट प्रदर्शन मॉडल बनाने की इच्छा कम हो जाए और अधिक लचीले मॉडल बनाने की इच्छा अधिक हो।

आनिमा आनंदकुमार

आनंदकुमार ने उम्मीद की कि एआई समुदाय को 2020 में कई चुनौतियों का सामना करना पड़ेगा, विशेष रूप से विविध डेटासेट की आवश्यकता और डेटा पर प्रशिक्षित करते समय लोगों की गोपनीयता सुनिश्चित करने की। आनंदकुमार ने समझाया कि जबकि चेहरे की पहचान सबसे अधिक ध्यान आकर्षित करती है, लोगों की गोपनीयता का उल्लंघन करने के कई क्षेत्र हैं और इन मुद्दों पर 2020 के दौरान चर्चा का केंद्र बिंदु बन सकता है।

आनंदकुमार ने यह भी उम्मीद की कि ट्रांसफॉर्मर आधारित प्राकृतिक भाषा प्रसंस्करण मॉडल में आगे प्रगति होगी।

“हम अभी भी उस स्तर पर नहीं हैं जहां संवाद उत्पन्न करना इंटरैक्टिव है, जो ट्रैक रख सकता है और प्राकृतिक बातचीत कर सकता है। इसलिए मुझे लगता है कि 2020 में इस दिशा में अधिक गंभीर प्रयास किए जाएंगे,” उन्होंने कहा।

आखिरकार, आनंदकुमार ने उम्मीद की कि आने वाले वर्ष में पुनरावृत्ति अल्गोरिदम और स्व-पर्यवेक्षण के विकास को देखा जाएगा। ये प्रशिक्षण विधियां एआई प्रणालियों को कुछ हद तक स्व-प्रशिक्षित करने की अनुमति देती हैं और संभावित रूप से उन मॉडलों को बनाने में मदद कर सकती हैं जो अनलेबल्ड डेटा पर स्व-प्रशिक्षण द्वारा सुधार कर सकते हैं।

डारियो गिल

गिल ने भविष्यवाणी की कि 2020 में एआई को अधिक गणनात्मक रूप से कुशल तरीके से बनाने की दिशा में अधिक प्रगति होगी, क्योंकि गहरे न्यूरल नेटवर्क को वर्तमान में प्रशिक्षित किया जा रहा है जो कई मायनों में अक्षम है। इसके कारण, गिल ने उम्मीद की कि इस वर्ष कम-परिशुद्धता वाले आर्किटेक्चर और सामान्य रूप से अधिक कुशलता से प्रशिक्षण देने में प्रगति होगी। अन्य विशेषज्ञों की तरह जिन्हें साक्षात्कार दिया गया था, गिल ने भविष्यवाणी की कि 2020 में शोधकर्ता सटीकता के अलावा मेट्रिक्स पर अधिक ध्यान केंद्रित करना शुरू कर देंगे। गिल ने न्यूरल सимвोलिक एआई में रुचि व्यक्त की, क्योंकि आईबीएम न्यूरल सимвोलिक दृष्टिकोण का उपयोग करके संभाव्य प्रोग्रामिंग मॉडल बनाने के तरीकों की जांच कर रहा है। आखिरकार, गिल ने एआई को उन लोगों के लिए अधिक सुलभ बनाने और यह धारणा दूर करने के महत्व पर जोर दिया कि केवल प्रतिभाशाली लोग ही एआई और डेटा विज्ञान के साथ काम कर सकते हैं।

“यदि हम इसे कुछ मिथकीय क्षेत्र के रूप में छोड़ देते हैं, एआई के इस क्षेत्र को जो केवल उन चुनिंदा पीएचडी के लिए सुलभ है जो इस पर काम करते हैं, तो यह वास्तव में इसकी अपनति में योगदान नहीं करता है,” गिल ने कहा।